Ricerche

Un nuovo processo che combina la luce a infrarossi e l'apprendimento automatico mostra il potenziale per rompere le barriere nel rilevamento delle malattie.

Due membri del team, Lila Lovergne (sinistra) e Polysos Aris, guardano i dati del campione cellulare. (Fonte: Jung Hyun Yoo / Berkeley Lab)

Una tecnologia sviluppata da scienziati del Lawrence Berkeley National Laboratory (Berkeley Lab) si sta dimostrando molto promettente per diagnosticare il morbo di Alzheimer (MA) prima che appaiano i sintomi, cambiando potenzialmente il corso della ricerca e del trattamento per questa condizione, che colpisce milioni di persone in tutto il mondo ed è considerata la sesta causa di morte negli Stati Uniti.

"Questa è una cosa importante", ha detto la leader del progetto Cynthia McMurray, a seguito della pubblicazione dello studio su Scientific Reports. "Diagnosticare il MA nelle prime fasi è difficile e non c'è modo di prevedere chi avrà la malattia, il che significa che non c'è un percorso valido per sviluppare terapie. Tuttavia, questa nuova tecnologia usa cellule della pelle accessibili come surrogati per prevedere lo stato della malattia nel cervello. Siamo molto entusiasti delle possibilità di previsione anticipata, prima che si manifestino i segni della malattia".

Il MA è la causa più comune di demenza, ma nonostante decenni di ricerche intense, la condizione rimane poco compresa. Può essere diagnosticata definitivamente solo dopo la morte, con una biopsia del tessuto cerebrale, e nessun farmaco esistente la può fermare.

Il primo passo verso una migliore ricerca, nuovi trattamenti e miglioramento della qualità della vita per i pazienti è un test diagnostico affidabile. Ma come possiamo rilevare una malattia quando non sappiamo cosa la causa?

Qui arriva la fenotipazione spettrale.

La nuova applicazione di questa tecnica sviluppata dal gruppo della McMurray analizza le cellule per rilevare segni di malattia, misurando il modo in cui le molecole nelle cellule vibrano quando esposte alla luce a infrarossi. Il profilo vibrante di ciascun campione è così distinto, e la differenza tra campioni di cellule malate e sane è così visibile, che la McMurray assimila il processo a delle 'impronte digitali cellulari'.

"Il vero fenomeno fisico che stiamo misurando con la luce a infrarossi è costituito dagli stati vibrazionali delle molecole nella cellula", ha detto la McMurray, scienziata senior dell'area bioscienze del Berkeley Lab.

Tutte le cellule contengono gli stessi tipi di molecole, ha spiegato, ma la spettroscopia a infrarossi (IR) - un approccio di analisi chimica a basso costo che è usato dagli anni '40 - può cogliere differenze estremamente sottili nel legame e sull'abbondanza di ciascuna molecola in una cellula campione, compresi eventuali cambiamenti anormali avvenuti a causa della malattia. "Anche tra i tipi di cellule che sembrano identici con altre misurazioni", ha aggiunto la McMurray.

I cambiamenti sottili colti dall'analisi IR, che producono insiemi di dati chiamati 'spettri', vengono quindi rilevati da algoritmi di apprendimento automatico (un tipo di intelligenza artificiale nota per eccellere nel riconoscimento dello schema) che sono stati addestrati a differenziare tra spettri di cellule di individui con malattia e altri senza. Questa piattaforma di test in due parti consente al team di rilevare quando qualcosa è andato storto all'interno delle cellule anche senza sapere cosa.

Dal biomarcatore al tricorder

L'attuale paradigma nella scienza medica, ha detto che il coautore senior Ben Brown, anch'egli dell'area bioscienze del Berkeley Lab, è diagnosticare le malattie in base alla presenza o all'assenza di un biomarcatore, una molecola specifica o un gene da associare alla condizione. Ad esempio, nella malattia di Huntington, una condizione neurodegenerativa causata da una singola mutazione genica, la presenza di una copia mutante del gene 'huntingtina' funge da biomarcatore infallibile.

Un approccio centrato su biomarcatore ha senso per lo studio delle malattie con cause concrete e impatti ben definiti sul corpo, come l'Huntington, mentre il MA non segue questo schema. I suoi sintomi si sovrappongono a numerose altre malattie neurologiche, il componente genetico è complesso e probabilmente coinvolge molti geni, ed è impossibile esaminare direttamente, o testare, il tessuto interessato senza danneggiare il paziente. Anche molte altre malattie con origini sconosciute e sintomi complessi, come le condizioni autoimmuni, mancano di biomarcatori noti.

"Siamo in un'età d'oro della biologia molecolare in cui tutto ciò che misuriamo ha questi significati semantici molto interessanti", ha detto Brown, biologo computazionale che ha sviluppato gli algoritmi di apprendimento automatici per il progetto. "Vedi, queste sono trascrizioni da questo gene. Questo gene è associato a questo processo. Questo metabolite fa parte di questo percorso ed è associato a questa biochimica. La spettroscopia a infrarossi è il contrario. Può darti una firma generale profondamente potente, ma non può dirti: questa è la molecola responsabile".

Questo finora è stato visto come una debolezza, e ha reso l'IR impopolare nella comunità di scienze mediche, nonostante il suo uso diffuso nelle scienze agricole, ambientali e terrestri, ha detto. Ma quando non sai cos'è il biomarcatore da cercare, la firma singolare dell'IR non è uno svantaggio, ma piuttosto una forza.

"La prima volta che ho sentito Cynthia parlare, ero postdottorato e stava parlando di come voleva rendere la spettroscopia IR il primo vero tricorder", ha detto Brown, riferendosi al dispositivo della serie Star Trek che poteva diagnosticare immediatamente qualsiasi malattia nella galassia. "È stata una visione sbalorditiva, ed è avanzata velocemente di diversi anni, i dati sono lì, gli algoritmi sono lì, ed è stato davvero incredibile vederla realizzarsi. Non siamo ancora lì, ma il corso è sempre più chiaro".

Dimostrare che funziona

Nello studio su Scientific Reports, la McMurray, Brown e colleghi hanno confermato il potenziale diagnostico del loro approccio, dimostrando che un algoritmo può facilmente distinguere gli spettri IR delle cellule del cervello di topo con malattia di Huntington dagli spettri di cellule cerebrali di topo sano. Quindi, hanno addestrato un algoritmo per fare lo stesso con le cellule umane e ha funzionato alla perfezione.

Il test successivo è stato più impegnativo: la fenotipizzazione spettrale può diagnosticare il MA in confronto ai controlli abbinati per età usando cellule facilmente accessibili invece di cellule cerebrali? Hanno scelto i fibroblasti, una cellula estremamente comune presente nella pelle e in altri tessuti connettivi.

Tutto si è imperniato su questo esperimento, perché la tecnologia avrebbe poco valore se funzionasse solo sui tessuti cerebrali estratti chirurgicamente e sui campioni post-mortem. Ma allo stesso tempo, nessuno sapeva quali cambiamenti biochimici, se presenti, avvengono nelle cellule al di fuori del cervello nei pazienti con MA.

"Una delle grandi sorprese è stata la sua capacità di discriminare", ha detto la McMurray. "Quello che abbiamo scoperto è che non è necessario usare una cellula cerebrale per tracciare la malattia, perché le cellule della pelle sono influenzate esse stesse".

Il team sta ora lavorando per dare seguito al loro approccio di fenotipizzazione spettrale su un gruppo più ampio di pazienti con MA e di controlli. I primi risultati su una manciata di campioni di pazienti presintomatici - che in seguito hanno sviluppato il MA - indicano che la tecnologia può individuare la malattia prima che si sviluppino i sintomi. Se questo è vero nelle prove di convalida future, la fenotipizzazione spettrale fornirà, finalmente, una finestra di tempo ai pazienti per provare farmaci sperimentali che potrebbero ritardare o addirittura interrompere la progressione della malattia.

Un punto singolo di diagnosi

Guardando al futuro, la McMurray ritiene che la fenotipia spettrale non solo possa riempire il divario lasciato dai metodi diagnostici basati su biomarcatori, ma possa diventare anche un nuovo strumento per identificare la causa o le cause di malattie misteriose, e, indirettamente, rivelare nuovi biomarcatori.

"Ora possiamo iniziare a chiederci: quali sono i geni che sottendono questa particolare chimica, che stanno dando origine a questo fenotipo?" ha detto. "E spiegare la malattia in termini di eventi molecolari reali".

Una volta che avranno testato completamente la loro tecnologia, gli scienziati hanno piani per espandere la piattaforma e diagnosticare molte altre condizioni. L'obiettivo è sviluppare uno strumento diagnostico veramente multiuso che può essere usato senza attrezzature speciali o grandi budget.

"La nostra missione è costruire uno strumento applicabile agli ospedali generali, alle scuole, ai laboratori di ricerca. Quello è il nostro scopo esatto", ha detto Brown.